Репортаж от Wedoany，На конференции разработчиков Snowflake 2026 года компания четко заявила о смене стратегической позиции: от облачного хранилища данных и облака данных к переходу на верхние уровни стека программного обеспечения искусственного интеллекта. Цель — создание «интеллектуальных систем», объединяющих корпоративные данные, семантику, управление, бизнес-логику, действия, следы агентов и знания организации, чтобы поддерживать людей и агентов в постановке более качественных вопросов, получении лучших ответов и выполнении контролируемых действий. Snowflake уже создала множество функций ИИ, но проблема в том, сможет ли она стать надежной контрольной точкой в новом стеке ИИ, прежде чем эту область заявят производители моделей, поставщики приложений, гиперскейлеры и онтологические компании.
Генеральный директор Snowflake Шридхар Рамасвами в частном общении с журналистами и аналитиками признал, что полный технологический стек будущего пока неизвестен. Он отметил, что поставщики моделей обладают передовыми возможностями и не обременены историческим наследием, поставщики приложений владеют глубокими знаниями процессов, а ключевое преимущество Snowflake заключается в гравитации данных, возможностях управления, бизнес-контексте и клиентской базе, доверяющей ей свои критически важные данные. Он подчеркнул, что инновации продуктов и соответствие продукта рынку в конечном итоге определят ход истории; история будет написана задним числом как нечто очевидное, но сейчас это не так.
Согласно фреймворку, разработанному главным аналитиком theCUBE Research Джорджем Гилбертом, интеллектуальные системы делятся на пять уровней. В настоящее время Snowflake наиболее сильна на первом и частично на втором уровнях, активно входит на четвертый уровень и закладывает основы для третьего и пятого уровней. Этот фреймворк рассматривает системы участия как фронтенд, где люди взаимодействуют с агентами и выполняют работу; интеллектуальные системы выступают как бэкенд, отвечающий за организацию данных, правил, контекста, действий и бизнес-логики, делая их читаемыми и в конечном итоге исполняемыми как для людей, так и для агентов.
Стратегические заявления руководителей Snowflake указывают на то, что предприятию с агентами ИИ необходимы четыре основных компонента: корпоративные данные и контекст, модели ИИ, корпоративные приложения и плоскость управления агентами. Продукты Snowflake Intelligence и Cortex Code были переименованы в CoWork и CoCo соответственно и позиционируются как базовые строительные блоки для предприятия с агентами ИИ. С точки зрения архитектуры продуктов, Snowflake объединяет четыре уровня: системы участия, системы агентов, интеллектуальные системы и основу данных, которые соответствуют CoWork и CoCo, агентам и мультиагентной оркестровке, Horizon и Cortex Sense, а также хранилищам данных, таким как таблицы Snowflake и Iceberg. Руководство компании теперь обсуждает такие темы, как контекст, бизнес-семантика, независимость от моделей, управление агентами, идентичность и память; их словарный запас вышел за рамки прежних концепций разделения вычислений и хранения и стал ближе к языку стека программного обеспечения ИИ.
Ключевой технологический тезис Snowflake заключается в том, что «контекст определяет качество агента». Вице-президент по ИИ Барыш Гюльтекин отметил, что трансформация ИИ зависит от глубины понимания бизнеса ИИ: агент, лишенный контекста, может неправильно интерпретировать показатели, тратить токены на повторное обнаружение шаблонов и подвергать риску управление. Например, при расчете стоимости контракта за квартал универсальный агент может прийти к выводу о росте показателя, но бизнес-определение требует исключения активности на бесплатном уровне, иначе ответ будет неверным. Cortex Sense от Snowflake призван решать подобные проблемы, создавая управляемую среду выполнения корпоративного контекста путем получения информации из коннекторов, структурированных и неструктурированных данных, семантических представлений, бизнес-глоссариев, навыков, взаимодействий агентов и метаданных. Сравнительные данные, предоставленные Snowflake, показывают, что точность ответов только передового кодирующего агента на жестко структурированных данных составляет около 24%, с использованием семантической модели повышается до примерно 47%, внутренняя семантическая модель после значительной настройки достигает около 73%, а Cortex Sense «из коробки» — около 86%. Ключевой вывод: чем ближе ИИ к управляемому бизнес-контексту, тем лучше ответы и ниже стоимость.
Horizon, служащий основой для управления и каталогизации, расширяется по трем направлениям: интероперабельность, контекст и управление. Ключевые возможности включают открытый обмен таблицами Iceberg, детальный контроль доступа, реализуемый Horizon, реализацию Polaris API и расширение управления за пределы Snowflake, интеграцию Select Star для извлечения метаданных из таких инструментов, как Power BI, Tableau, Postgres и SQL Server, построение происхождения данных и семантических представлений с помощью Horizon Context, управление на основе намерений и управление ИИ для мониторинга качества агентов и раскрытия конфиденциальных данных. Аналитики отмечают, что, хотя Horizon переходит от каталогизации к контексту, он еще не стал полноценной интеллектуальной системой; каталог определяет существительные, а полная интеллектуальная система требует моделирования глаголов — действий, предусловий, эффектов, исключений, решений и рабочих процессов. В то же время объем данных, создаваемых агентами, растет взрывными темпами, и управление расходами на огромные объемы данных в этих рамках может стать для клиентов ценовым барьером.
Cortex Sense рассматривается как самый важный шаг к интеллектуальным системам. Он явно фокусируется на контекстной среде выполнения, пытаясь вывести и организовать корпоративную семантику, чтобы агенты могли точнее и с меньшими затратами отвечать на бизнес-вопросы. Этот продукт не только собирает технические метаданные, но и начинает переходить к бизнес-семантике, навыкам, контексту рабочих процессов, взаимодействиям агентов и представлениям, подобным графам знаний. В настоящее время Cortex Sense наиболее силен в понимании структурированных данных, построении семантических моделей, сокращении траты токенов, создании управляемого контекста для агентов и повышении качества ответов на структурированные данные, но все еще слаб в таких аспектах, как захват глубоких знаний процессов из приложений SAP, Salesforce, Workday, координация бизнес-логики между доменами, извлечение следов экспертных рассуждений и повышение наблюдаемых шаблонов до уровня управляемых правил процессов.
На уровне основы данных Snowflake продвигает открытые форматы таблиц и интеграцию с нулевым копированием. Snowflake Storage для Apache Iceberg официально выпущен; Horizon поддерживает Iceberg и Polaris API для применения управления между движками; интеграция с нулевым копированием с SAP, Salesforce, Workday позволяет запрашивать данные в аналитической форме без копирования. Виртуализационный слой Snowflake на основе Datometry позволяет клиентам перенаправлять запросы Teradata в Snowflake, а его работа AIM, сочетающая виртуализацию, преобразование кода и миграцию с помощью агентов, нацелена на сокращение времени миграции с 18 недель примерно до одной недели. Аналитики считают, что рабочие нагрузки Teradata, приложения COBOL, хранимые процедуры и отчеты BI в старых системах содержат бизнес-семантику; миграция этих рабочих нагрузок — это не просто облачная миграция, а часть извлечения и модернизации корпоративного контекста, необходимого для агентов.
CoCo — это кодирующий агент ИИ от Snowflake для работы с данными, который с момента запуска привлек более 7 000 клиентов. Он обладает более чем 100 предметными навыками, понимает RBAC и состояние среды, поддерживает MCP и может работать в контексте Snowflake, dbt, Airflow, AWS Glue, Postgres и Spark. CoWork позиционируется как персональный агент для бизнес-пользователей, который может работать через веб, мобильные устройства и Slack, поддерживая автоматическое планирование, создание артефактов, глубокие исследования и подключение к корпоративным системам через MCP. Компания создает дифференцированные возможности управления, такие как идентификация агентов, контроль доступа на основе ролей, маскирование данных и политики доступа к строкам, политики перемещения данных и сканирование рисков Trust Center, но аналитики отмечают, что в будущем потребуется развивать управление, ориентированное на намерения и действия агентов; платформа должна знать, что агент пытается сделать, разрешено ли это действие и каковы его возможные последствия для нижестоящих систем.
В настоящее время самый большой пробел Snowflake — это логика бизнес-процессов. Полная интеллектуальная система требует моделирования бизнес-правил, последовательности процессов, предусловий и эффектов действий, обработки исключений, механизмов утверждения, операционных ограничений, корпоративных рассуждений и состояния бизнеса. Руководители компании описывают спектр контекста как семантику, навыки, рабочие процессы, бизнес-глоссарии, графы знаний, коннекторы, бизнес-процессы и онтологии, но признают, что сейчас они находятся на ранней стадии. Контекст бизнес-процессов обычно существует в системах поставщиков приложений, таких как SAP, Salesforce, Workday, ServiceNow и Oracle, и эти поставщики добровольно не станут пассивными источниками данных, что приведет к проблеме изолированных интеллектуальных систем. У Snowflake есть хорошие ответы для подключения данных, но решения для объединения интеллекта из разных источников все еще слабы.
Для директоров по данным и директоров по ИИ необходимо рассматривать интеллектуальные системы как требование корпоративной архитектуры, а не просто как план внедрения функций. Предприятиям следует начинать с наиболее ценных бизнес-процессов, использовать универсальную идентичность, общую онтологию, бизнес-глоссарий, происхождение данных, идентичность агентов, оценку, наблюдаемость, контроль затрат и аудируемость, принудительно направлять каждого агента, навык, семантическую модель и рабочий процесс на управляемый путь, избегая создания новых изолированных интеллектуальных систем. Источник информации — аналитический отчет theCUBE Research на Snowflake Summit 2026.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
